基于量子PSO传感网络分簇算法仿真研究

研究无线传感器分簇节点优化问题,针对无线传感器网络分簇算法由于簇头的不均匀分布带来的能耗利用不均衡以及簇头的瓶颈,导致能量过早消耗,网络寿命周期缩短.为了延长无线传感网络生命周期,提高能量利用效率,提出了一种粒子群(PSO)算法优化的无线传感器网络分簇算法.采用量子粒子群算法分簇策略使簇间能量优化平衡,使整个网络分成若干个虚拟网格,每个虚拟网格形成一个簇,采用唯一簇头选举法产生簇头,且簇内成员可以根据局部的信息调整簇的大小.仿真结果表明,提出的分簇算法很好的使网络的能耗达到了均衡,节约了簇头节点的能量,从而延长网络的寿命,为优化网络通信提供了依据.     

无线传感器网络中能量有效自适应路由算法研究

针对无线传感器网络寿命最大化问题,基于无线传感器节点能耗分布特点和数据传输能耗模型,建立无线传感器网络生存周期的数学优化模型,并针对最小能耗路由的能耗不均衡问题和能量均衡路由的能耗开销问题,综合考虑网络中节点的剩余能量和节点间发送数据的能耗,提出一个适合无线多跳传感器网络的自适应路由算法。仿真结果表明,提出的路由算法能充分地利用有限的能量资源,较大地延长网络生存周期。     

无线传感器网络中能量有效自适应路由算法研究

针对无线传感器网络寿命最大化问题,基于无线传感器节点能耗分布特点和数据传输能耗模型,建立无线传感器网络生存周期的数学优化模型,并针对最小能耗路由的能耗不均衡问题和能量均衡路由的能耗开销问题,综合考虑网络中节点的剩余能量和节点间发送数据的能耗,提出一个适合无线多跳传感器网络的自适应路由算法。仿真结果表明,提出的路由算法能充分地利用有限的能量资源,较大地延长网络生存周期。     

无线传感网络中基于无线能量补给的能量感知路由算法

针对无线传感网络中随机分布传感器节点能量消耗不均衡的问题,提出了一种基于无线能量补给的能量感知路由算法。休眠节点不仅可以在无线携能通信(Simultaneous Wireless Information and Power Transfer,SWIPT)传输方式下通过功率分割方法进行无线能量补给,还可以在信息传输方式下通过无线能量收集方法进行能量补给,重新进入活跃状态,为信息传播提供更好的路由,提高传感器节点的能量利用,延长传感网络的使用寿命。在该算法中,通过优化节点间的信息和能量分配,最小化传输功率,引入能量路由度量方法,选择能耗最小的路径作为传输路径。仿真结果表明,本文提出的算法可以有效地利用节点资源,均衡多跳能量受限无线传感器网络中的能量分布。     

蚁群优化的传感器网络路由算法

研究优化无线传感器设计,由于无线传感器通信能力、节点能量有限,远程环境下无法更换能源,节点能耗引起网络生命过短.在综合考虑了传感器节点剩余能量,为了延长网络生命周期,提出一种蚁群优化的无线传感器路由算法.算法根据节点当前剩余能量进行簇头选举,然后通过蚁群算法根据传感器节点距离和能量信息进行路由选择,并不断的更新簇头间的...     

基于蚁群优化的无线传感器网络能耗均衡路由算法

针对无线传感器网络中节点能量受限的特点,将蚁群优化算法(ACO)应用于无线传感器网络,同时考虑了通信路径长度和节点剩余能量等因素,提出了具有能量意识的无线传感器网络路由算法,从多方面解决了节点间的能耗不均衡问题。该算法在OMNET++平台下仿真结果表明,与Ant-Net、ACRA算法相比在能耗不均衡和传输延迟等方面有了较大改进,实现了全网节点的能耗均衡,有效延长了网络生命期,减小了传输时延。     

基于改进蚁群优化算法的无线传感器网络路由研究

无线传感器网络为能量受限系统,为了促使网络节点能量消耗相对均衡,将蚁群优化(ACO)算法应用于无线传感器网络的路由选择,提出一种基于能量均衡的无线传感器网络路由算法。该算法将节点能量作为转移概率规则启发因子,通过计算转移概率和适应度值找到最优路径。仿真结果表明:该算法可以显著减低网络总能耗,从而延长无线传感器网络的生命周期。     

无线传感器网络中的能效优化路由算法*

根据无线传感器网络节点能量消耗和网络生存周期的特点,通过建立动态规划能量优化模型,在路由总能耗满足能量阈值约束条件下,均衡消耗网络中各节点能量,在此基础上提出一种适合无线传感器网络的动态规划路由算法。仿真结果表明,提出的路由算法能充分地利用有限的能量资源,较大地延长网络生存周期并降低节点的平均能耗。     

基于剩余能量预测的WSN模糊分簇算法

为了进一步降低无线传感器网络的能量消耗,延长网络寿命,提出一种基于剩余能量预测的无线传感器网络模糊分簇算法。新算法根据节点到基站的距离和邻居节点的数目,对候选节点转发数据的能耗进行预估,得到节点的预测剩余能量。然后采用模糊算法在综合考虑候选节点的原始能量和预测剩余能量的基础上计算竞争半径,选出多个簇首,构建大小不均的簇。仿真实验表明,与其他路由算法相比,该算法可以更好地优化簇的结构,均衡网络能耗,延长网络的生命周期。     

一种无线传感器网络自适应休眠算法的研究

降低无线传感器网络的能耗一直是迫切解决的问题,通过对无线传感器网络节点能耗分布情况的研究,发现对无线传感器网络节点休眠,可以减少节点收发能耗。针对降低无线传感器网络节点能耗的问题,本文基于多因素、多层次的层次分析法,设计了一种无线传感器网络自适应休眠算法（AHP休眠算法）。实验表明该算法依据信息采集需求和节点剩余能量自适应控制网络节点的休眠和收发,与传统的RS休眠[1][2]和定时休眠算法[3]对比,提高了节点能量的利用率,延长网络生命期。     

云自适应粒子群优化算法在数值积分中的应用

为了提高传统自适应粒子群优化算法的鲁棒性,由X条件云发生器自适应调整粒子的惯性权重,提出云自适应粒子群优化算法。由于云滴具有随机性和稳定倾向性的特点,使得惯性权重既具有传统的趋向性,满足快速寻优能力,又具有随机性,有利于提高种群的多样性,提高了收敛速度。通过对求解任意函数数值积分的实验表明,该算法计算精度高、求解速度快,是求解数值积分的一种有效的方法。     

基于蚁群的无线传感器网络能量均衡非均匀分簇路由算法

无线传感器网络(WSN)路由中,节点未充分考虑路径剩余能量及链路状况进行的路由会造成网络中部分节点网络寿命减少,严重影响网络的生存时间。为此,将蚁群优化算法与非均匀分簇路由算法相结合,提出一种基于蚁群优化算法的无线传感器非均匀分簇路由算法。该算法首先利用考虑节点能量的优化非均匀分簇方法对节点进行分簇,然后以需要传输数据的节点为源节点,汇聚节点为目标节点,利用蚁群优化算法进行多路径搜索,搜索过程充分考虑了路径传输能耗、路径最小剩余能量、传输距离和跳数、所选链路的时延和带宽等因素,最后选出满足条件的多条最优路径,完成源目的节点间的信息传输。实验表明,该算法充分考虑路径传输能耗和路径最小剩余能量、传输跳数及传输距离,能有效延长无线传感器网络的生存期。     

基于剩余能量动态调整前向角度的路由算法

无线传感器网络(WSN)路由是影响网络寿命的重要因素。关键节点多次通信带来大量能耗,极易导致网络过早瘫痪。针对网络部分关键节点能耗过快问题,提出一种基于下一跳节点剩余能量动态调整前向角度的蚁群路由算法(DAFARE)。首先,节点于初始前向角度范围内根据节点剩余能量和距离来选择下一跳节点;而后,根据前向角度范围内节点剩余能量情况,动态调整前向角度大小;最终达到避免关键节点过早死亡的目的。仿真表明,与基于多目标评价函数与正-负反馈并存机制的蚁群算法(FMEPNF)相比,DAFARE能将网络有效寿命提高约50%。实验结果表明:该算法能有效均衡网络能耗,延长网络生命周期,保证网络有效覆盖范围。     

学习自动机结合节点功率自适应调整的WSN目标覆盖方案

针对大多数现有无线传感器网络(Wireless Sensor Network, WSN)目标覆盖方案没有考虑传感器功率(传感范围)可调的问题,提出一种基于学习自动机(Learning Automata, LA)和节点功率自适应调整的WSN的目标覆盖方案。利用LA算法根据节点能量自适应调整节点的发射功率,构建能够覆盖所有目标的覆盖集,并通过精简过程获得最小覆盖集,从而减低节点的能耗,提高网络的生命周期。通过实验研究了传感器数量和目标数量对网络寿命的影响,并将该方案与基于贪婪算法、遗传算法的方案进行比较,结果表明,该方案能够获得更多的覆盖集和更长的网络寿命。     

无线传感网中一种智能数据融合算法的实现及仿真分析

在无线传感网中,传感器节点一般都由自身装配的电池供电,难以进行电量补充,因此节约电量对于无线传感网来说至关重要.为了提高无线传感网能量使用效率,延长网络生存时间,提出了一种结合遗传算法和粒子群算法优化BP神经网络的智能数据融合算法 GAPSOBP(BP Neural Network Data Fusion algorithm optimized by Genetic algorithm and Particle swarm).GAPSOBP算法将无线传感网的节点类比为BP神经网络中的神经元,通过神经网络提取无线传感网采集的感知数据并结合分簇路由对收集的传感数据进行融合处理,从而大幅减少发往汇聚节点的网络数据量.仿真结果表明,与经典LEACH算法和PSOBP算法相比,GAPSOBP算法能有效减少网络通信量,节约节点能量,显著延长网络生存时间.     

基于UKF-RSS在线建模的WSN节点跟踪定位算法

在传感器网络中（WSN）锚节点负责接收GPS定位信号,但其使用寿命受能量约束,为了提高传感器网络的生存周期和定位精度,提出基于无迹Calman滤波（UKF）和传感器网络锚节点RSS在线建模的WSN定位算法,实现高效资源管理和利用方式。该算法主要包括位置预测和目标定位两个步骤,利用UKF算法对目标节点的下一位置进行预测,选择开启距离预测位置最近的几个锚节点,关闭无用锚节点,有效降低网络能耗。利用锚节点之间相互信号强弱基于RSS对开启锚节点周围的距离与RSS信号强弱关系进行建模,降低RSS算法对环境的依赖度。实验结果表明该算法能够有效对锚节点的开启/睡眠进行管理,并可降低环境依赖性,从而实现负载均衡降低能耗和提高定位精度的效果。     

基于能量有效WSN优化覆盖算法的研究*

满足一定的覆盖条件下,有效地进行覆盖控制和减少能量消耗以及延长网络生存周期是无线传感器网络所研究的一项重点课题。为此,提出一种能量有效的优化覆盖算法。该算法利用贪婪算法和几何图形学相关理论知识,把目标覆盖区域节点能量构建成正态分布的网络模型,通过采集和检索数据选择最优子集以及对节点状态调度机制动态转换,可以有效地降低网络能耗,提高了节点覆盖性能的同时优化了节点的数量。仿真实验表明,该算法能够以较小的代价延长整个网络的生存周期,具有更好地适应性和稳定性。     

可充电无线传感网络能量均衡路由算法

针对可充电无线传感网络中的能量均衡路由问题,提出在稳定功率无线充电和监测数据收集网络场景下的多路径路由算法和机会路由算法,以实现网络的能量均衡。首先,通过电磁传播理论构建了无线传感节点的充电和接收功率关系模型;然后,考虑网络中无线传感节点的发送能耗和接收能耗,基于上述充电模型将网络能量均衡的路由问题转化为网络节点运行时间的最大最小化问题,通过线性规划得到的各链路流量用以指导路由中数据流量分配;最后,考虑一种更加现实的低功耗的场景,并提出了一种基于机会路由的能量均衡路由算法。实验结果表明,与最短路径路由（SPR）和期望周期最短路由（EDC）算法相比较,所提出的两种路由算法均能有效提高采集能量的利用率和工作周期内的网络生命周期。     

无线传感器网络覆盖优化仿真研究

研究无线传感器覆盖(WSN)优化问题,由于网络传感器节点分布不均匀,又存在冗余等问题。传统WSN高密度部署方法,节点分布极不均匀,节点覆盖区域之间的重复率高,节点浪费严重,导致网络覆盖率低、成本高。为了提高无线传感器网络的覆盖率,提出一种混沌粒子群优化算法(CPSO)的WSN覆盖优化算法。首先以提高网络覆盖率为优化目标,建立WSN覆盖优化数学模型,然后通过粒子间协作进行求解,并对粒子群混沌扰动,保持粒子多样性,从而得到最优网络覆盖。仿真结果表明,相对于其它覆盖优化算法,CPSO能够以较少传感器节点获得较高网络覆盖率,提高了网络通信效率,降低网络成本。     

基于模糊控制的自供能无线传感器网络分簇算法

现有自供能无线传感器网络（WSN）分簇算法较少考虑网络最优分簇数，导致网络能量消耗过快，全网能耗不均衡。针对这个问题，提出了基于模糊控制的自供能WSN分簇算法（EH-FLC）。首先，在网络能量消耗模型中引入太阳能补给模型，得出每一轮次网络能量总消耗与网络分簇数目的函数关系，并对其求导从而得到网络的最佳分簇数。然后，利用双层模糊决策系统来评定网络中的节点能否成为簇头节点。先将节点剩余能量、相邻节点数作为判定指标输入第一层（能力层）对所有节点进行筛选，得到备选簇头节点；再将中心度参数、邻近度参数作为判定指标输入第二层（协作层）对备选簇头节点进行筛选，得到网络簇头节点。最后，通过Matlab仿真分析了该算法的网络生存周期、网络能量消耗和网络吞吐量等性能指标，与低功耗自适应集簇分层型协议（LEACH）、改进的非均匀分簇路由算法（WUCH）和利用双层模糊控制的簇头选择算法（CTLFL）相比，该算法在网络工作寿命上分别提高了约1.4倍、0.4倍和0.6倍，网络吞吐量上分别提高了约20倍、1.5倍和1.28倍。仿真结果表明所提算法在网络生存周期和网络吞吐量方面的性能较优。